HDU 1258 Sum it up

题意:给出n个正整数,x[1..n],对于给定的t(t < 1000),找出所有满足和为t的x的组合。降序输出。

其实这题较为简单,属于搜索题。将x排序后搜索即可。最后输出时去重需要动动脑筋。我将结果保存在了一棵树中。每次找到符合的结果时,将其加入树中。最后输出答案时,从叶子节点往回遍历,可得不重复的所有解。

代码如下:

#include <cstdio>
#include <cstring>
#include <cstdlib>
#include <algorithm>
#include <set>
#include <string>
using namespace std;

const int maxn = 20;

int a[maxn], vis[maxn], b[maxn];
int n, t;
int flag;

struct node {
        int v, cnt;
        struct node * parent;
        struct node * child[maxn];
};

struct node *root = (node *)malloc(sizeof(node));

bool cmp(int x, int y) { return x > y; }

node* add_node(node* u, int val) {
        u->child[u->cnt] = (node *)malloc(sizeof(node));
        u->child[u->cnt]->parent = u;
        u->child[u->cnt]->v = val;
        u->child[u->cnt]->cnt = 0;
        u->cnt++;
        return u->child[u->cnt - 1];
}

int f(node *u, int x) {
        int len = u->cnt;
        for (int i = 0; i < len; i++)
                if (u->child[i]->v == x)
                        return i;
        return -1;
}

void add_sum(int x[maxn], int num) {
        int i = 1;
        node * p = root;
        int t = f(p, x[i]);
        while (t != -1) {
                p = p->child[t];
                i++;
                t = f(p, x[i]);
        }
        while (i <= num) {
                p = add_node(p, x[i]);
                i++;
        }
}

void dfs(int u, int sum, int cnt) {
        if (sum > t) return;
        b[cnt] = a[u];
        if (sum == t) {
                flag = 1;
                add_sum(b, cnt);
                // for (int i = 1; i <= cnt; i++) printf("%d%c", b[i], " \n"[i == cnt]);
                return;
        }
        for (int i = u; i <= n; i++) if (!vis[i] && sum + a[i] <= t) {
                vis[i] = 1;
                dfs(i, sum + a[i], cnt + 1);
                vis[i] = 0;
        }
}

void print(node *u) {
        // printf("node:%d %d\n", u->v, u->cnt);
        if (u->parent != root) {
                print(u->parent);
                printf("+%d", u->v);
        }
        else printf("%d", u->v);
}

void Dfs(node *u) {
        int len = u->cnt;
        if (len == 0) { print(u); puts(""); return; }
        for (int i = 0; i < len; i++) {
                Dfs(u->child[i]);
        }
}

int main() {
        while (~scanf("%d%d", &t, &n) && t) {
                for (int i = 1; i <= n; i++) scanf("%d", &a[i]);
                printf("Sums of %d:\n", t);
                sort(a + 1, a + n + 1, cmp);
                root->cnt = 0;
                flag = 0;
                for (int i = 1; i <= n; i++) {
                        memset(vis, 0, sizeof(vis));
                        vis[i] = 1;
                        dfs(i, a[i], 1);
                }
                if (!flag) { puts("NONE"); continue; }
                int len = root->cnt;
                for (int i = 0; i < len; i++) {
                        Dfs(root->child[i]);
                }
        }
        return 0;
}
1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
应用背景为变电站电力巡检,基于YOLO v4算法模型对常见电力巡检目标进行检测,并充分利用Ascend310提供的DVPP等硬件支持能力来完成流媒体的传输、处理等任务,并对系统性能做出一定的优化。.zip深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值